75 lines
5.3 KiB
Markdown
75 lines
5.3 KiB
Markdown
---
|
||
title: 4.1 数据分析场景说明
|
||
prev:
|
||
text: '附录 1-2 智能体测试结果'
|
||
link: /guide/appendix
|
||
next:
|
||
text: '4.2 工作区环境准备'
|
||
link: /guide/data-workspace
|
||
---
|
||
|
||
# 数据分析场景实战
|
||
|
||
## 4.1 数据分析场景说明
|
||
|
||
本次示例以汽车零部件行业中"小型阀体外壳(Small Valve Body Housing)"的**销售数据分析**为典型场景,演示如何在 **Digi Agent Builder 3.0** 中**构建一个面向销售数据分析与智能问数的智能体**。
|
||
|
||
> "企业销售管理人员需要快速了解小型阀体外壳产品销售情况——各区域/产品/客户的销售额与利润对比、月度趋势与同比环比、成本结构与毛利率变化、销售员业绩排名等。传统方式依赖 BI 工程师手动建报表,响应周期长、技术门槛高、报表风格不统一,难以满足业务快速决策的需求。"
|
||
|
||
### 业务场景与核心痛点
|
||
|
||
**小型阀体外壳**广泛应用于变速箱阀体、发动机油路阀体、制动阀体及转向器阀体等系统。企业已积累大量销售订单数据,涵盖订单、成本、利润、客户、产品、区域等多维度信息。当前决策分析平台上的阀体外壳销售记录 × 35 个字段,覆盖 4 个销售大区、多个产品线、多种材质与铸造工艺。
|
||
|
||
当前**数据分析与获取流程**为:
|
||
|
||
1. 业务人员向数据部门提交报表需求 →
|
||
2. BI 工程师理解需求并确认口径 →
|
||
3. 编写 SQL 或配置报表工具 →
|
||
4. 生成 Excel 或静态图表 →
|
||
5. 业务人员获取报表并阅读分析 →
|
||
6. 如需追问或调整维度,重新提交需求。
|
||
|
||
该流程存在以下核心痛点:
|
||
|
||
| # | 痛点 | 说明 |
|
||
|:--|:--|:--|
|
||
| 1 | **响应速度慢** | 一份常规报表从需求提出到交付通常需要半天至数天,难以满足管理层"即时决策"需求,错过最佳决策窗口。 |
|
||
| 2 | **技术门槛高** | 业务人员需掌握 SQL 或 Excel 高级功能才能自主查数;一线销售和管理人员只能被动等待数据部门出报表,自主分析能力受限。 |
|
||
| 3 | **报表风格不统一** | 不同 BI 工程师制作的报表格式、图表风格各异,缺乏统一标准,跨部门对比和汇总困难。 |
|
||
| 4 | **追问成本高** | 看到报表后想进一步追问某个维度或下钻细节,需要重新提需求、排队等待,分析链路被反复打断。 |
|
||
| 5 | **数据价值未释放** | 大量历史销售数据沉睡在系统中,缺乏便捷的探索手段,无法快速发现趋势、异常与机会点。 |
|
||
|
||
### 智能体可承担的角色
|
||
|
||
在本场景中,AI 智能体将作为"**销售数据分析助手**",承担以下核心任务:
|
||
|
||
- **自然语言问数**:业务人员用日常说话的方式提问(如"上个月华东大区卖了多少""哪个产品毛利率最高"),智能体自动调用问数引擎从数据集中查出答案,秒级响应。
|
||
- **Dashboard 自动生成**:用户一句话描述分析需求(如"帮我生成销售分析看板"),智能体自动批量查询 10+ 项数据,选择合适的图表类型,生成包含 KPI 卡片与多个交互式图表的 HTML 仪表盘。
|
||
- **多维度灵活分析**:支持按时间、区域、产品、客户、销售员、材质、铸造方式等 15 个维度字段任意组合分析,覆盖 15 个数值指标的查询与对比。
|
||
- **智能图表选型**:根据数据特征(分类对比、占比分布、时间序列、排名数据等)自动选择最合适的图表类型(柱状图、饼图、折线图、条形图、散点图等 14 种)。
|
||
- **关键洞察提炼**:基于数据分析结果自动提炼 3~5 条关键洞察,并给出可操作的行动建议。
|
||
- **持续追问与下钻**:支持基于已有看板或查询结果继续追问(如"西部大区的毛利率是多少""近三个月订单金额趋势怎样"),在同一会话中上下文连贯地深入分析。
|
||
|
||
### 期望价值与成功标准
|
||
|
||
通过构建该智能体,企业期望实现:
|
||
|
||
- **数据获取响应时间**:从半天至数天缩短至秒级响应,自然语言提问即可获取数据结果。
|
||
- **Dashboard 生成效率**:一句话生成包含 10+ 图表的交互式 HTML 看板,支持离线查看,无需 BI 工程师介入。
|
||
- **分析维度覆盖率**:支持全部 15 个维度字段与 15 个数值指标的任意组合查询,覆盖区域对比、趋势分析、产品排名、客户分布、成本结构、利润分析等全部常见分析场景。
|
||
- **降低使用门槛**:普通销售人员无需掌握 SQL 或 Excel 高级功能,经简单引导即可独立完成数据查询与分析。
|
||
- **释放数据价值**:通过便捷的探索式分析,快速发现销售趋势、异常与机会点,让数据真正驱动业务决策。
|
||
|
||
本示例后续章节将以该场景为例,详细介绍在 **Digi Agent Builder 3.0** 中完成需求建模、方案构建、技能编排(智能问数 + Dashboard 生成)、模型配置、系统集成及持续优化的完整开发步骤。
|
||
|
||
### 开发规则说明
|
||
|
||
主要涉及开发过程中相关命名规则,防止发布技能或智能体的时候有冲突。
|
||
|
||
涉及到命名的统一加后缀,格式:**年月日 + 账号后四位流水码**。
|
||
|
||
假设日期为 2026/11/13,当前账号:DigiZZ0001
|
||
|
||
- **技能命名示例**:`valve-sales-analysis-skill-2611130001`
|
||
- **智能体命名示例**:`小型阀体外壳销售数据分析-2611130001`
|